《表1 9%高斯噪声下分割定量对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多分类SMM的高噪声图像分割研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

图1为本研究方法多分类Student’s t混合模型（MCSMM）与k-means、GMM算法分割含有9%高斯噪声普通图像的结果.其中图1a）为实验原图，b）为在实验原图上添加了9%高斯噪声的效果图，c)～e）分别为k-means、GMM和MCSMM的分割结果.表1为3种算法在9%高斯噪声下精确度和信噪比的对比结果.由图1和表1可知，GMM在含有大量高斯噪声的图像分割中，分割精度和信噪比表现较为不稳定，k-means虽然在多幅图像分割精度较为稳定，但是分割精度仍然较低.本文方法MCSMM在对含有大量高斯噪声图像进行分割时，表现良好.不但分割精度和信噪比得到了很大的提高，而且分割结果在视觉上表现更为理想.